Visit ebookmass.

com to download the full version and

explore more ebook or textbook

Deep Learning on Edge Computing Devices: Design

Challenges of Algorithm and Architecture 1st
Edition Xichuan Zhou

_____ Click the link below to download _____

https://ebookmass.com/product/deep-learning-on-edge-
computing-devices-design-challenges-of-algorithm-and-
architecture-1st-edition-xichuan-zhou/

Explore and download more ebook or textbook at ebookmass.com

Here are some recommended products that we believe you will be
interested in. You can click the link to download.

Deep Learning for Medical Image Analysis 1st Edition S.

Kevin Zhou

https://ebookmass.com/product/deep-learning-for-medical-image-
analysis-1st-edition-s-kevin-zhou/

Artificial Intelligence and Machine Learning for EDGE

Computing 1st Edition Rajiv Pandey

https://ebookmass.com/product/artificial-intelligence-and-machine-
learning-for-edge-computing-1st-edition-rajiv-pandey/

The Cloud-to-Thing Continuum: Opportunities and Challenges

in Cloud, Fog and Edge Computing 1st ed. Edition Theo Lynn

https://ebookmass.com/product/the-cloud-to-thing-continuum-
opportunities-and-challenges-in-cloud-fog-and-edge-computing-1st-ed-
edition-theo-lynn/

Modern Data Architecture on Azure: Design Data-centric

Solutions on Microsoft Azure 1st Edition Sagar Lad

https://ebookmass.com/product/modern-data-architecture-on-azure-
design-data-centric-solutions-on-microsoft-azure-1st-edition-sagar-
lad/
Lectures on Digital Design Principles (River Publishers
Electronic Materials, Circuits and Devices) 1st Edition
Pinaki Mazumder
https://ebookmass.com/product/lectures-on-digital-design-principles-
river-publishers-electronic-materials-circuits-and-devices-1st-
edition-pinaki-mazumder/

Edge Computing Patterns for Solution Architects Anonymous

https://ebookmass.com/product/edge-computing-patterns-for-solution-
architects-anonymous/

Handbook of Medical Image Computing and Computer Assisted

Intervention (Elsevier and Miccal Society) S. Kevin Zhou
(Editor)
https://ebookmass.com/product/handbook-of-medical-image-computing-and-
computer-assisted-intervention-elsevier-and-miccal-society-s-kevin-
zhou-editor/

Cloud Computing: Concepts, Technology, Security &

Architecture Thomas Erl & Eric Barceló Monroy

https://ebookmass.com/product/cloud-computing-concepts-technology-
security-architecture-thomas-erl-eric-barcelo-monroy/

Polymer Nanocomposite Materials: Applications in

Integrated Electronic Devices Ye Zhou

https://ebookmass.com/product/polymer-nanocomposite-materials-
applications-in-integrated-electronic-devices-ye-zhou/
DEEP LEARNING
ON EDGE
COMPUTING
DEVICES
This page intentionally left blank
DEEP LEARNING
ON EDGE
COMPUTING
DEVICES
Design Challenges of Algorithm
and Architecture

XICHUAN ZHOU
HAIJUN LIU
CONG SHI
JI LIU
Elsevier
Radarweg 29, PO Box 211, 1000 AE Amsterdam, Netherlands
The Boulevard, Langford Lane, Kidlington, Oxford OX5 1GB, United Kingdom
50 Hampshire Street, 5th Floor, Cambridge, MA 02139, United States
Copyright © 2022 Tsinghua University Press. Published by Elsevier Inc. All rights reserved.
No part of this publication may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording, or any information storage and
retrieval system, without permission in writing from the publisher. Details on how to seek
permission, further information about the Publisher’s permissions policies and our arrangements
with organizations such as the Copyright Clearance Center and the Copyright Licensing Agency,
can be found at our website: www.elsevier.com/permissions.
This book and the individual contributions contained in it are protected under copyright by the
Publisher (other than as may be noted herein).
Notices
Knowledge and best practice in this field are constantly changing. As new research and experience
broaden our understanding, changes in research methods, professional practices, or medical
treatment may become necessary.
Practitioners and researchers must always rely on their own experience and knowledge in
evaluating and using any information, methods, compounds, or experiments described herein. In
using such information or methods they should be mindful of their own safety and the safety of
others, including parties for whom they have a professional responsibility.
To the fullest extent of the law, neither the Publisher nor the authors, contributors, or editors,
assume any liability for any injury and/or damage to persons or property as a matter of products
liability, negligence or otherwise, or from any use or operation of any methods, products,
instructions, or ideas contained in the material herein.

Library of Congress Cataloging-in-Publication Data

A catalog record for this book is available from the Library of Congress

British Library Cataloguing-in-Publication Data

A catalogue record for this book is available from the British Library

ISBN: 978-0-323-85783-3

For information on all Elsevier publications

visit our website at https://www.elsevier.com/books-and-journals

Publisher: Mara Conner

Acquisitions Editor: Glyn Jones
Editorial Project Manager: Naomi Robertson
Production Project Manager: Selvaraj Raviraj
Designer: Christian J. Bilbow
Typeset by VTeX
Contents

Preface vii
Acknowledgements ix

PART 1 Introduction

1. Introduction 3
1.1. Background 3
1.2. Applications and trends 5
1.3. Concepts and taxonomy 8
1.4. Challenges and objectives 13
1.5. Outline of the book 14
References 16

2. The basics of deep learning 19

2.1. Feedforward neural networks 19
2.2. Deep neural networks 22
2.3. Learning objectives and training process 29
2.4. Computational complexity 33
References 34

PART 2 Model and algorithm

3. Model design and compression 39

3.1. Background and challenges 39
3.2. Design of lightweight neural networks 40
3.3. Model compression 47
References 56

4. Mix-precision model encoding and quantization 59

4.1. Background and challenges 59
4.2. Rate-distortion theory and sparse encoding 61
4.3. Bitwise bottleneck quantization methods 65
4.4. Application to efficient image classification 67
References 73

5. Model encoding of binary neural networks 75

5.1. Background and challenges 75

v
vi Contents

5.2. The basic of binary neural network 77

5.3. The cellular binary neural network with lateral connections 79
5.4. Application to efficient image classification 84
References 92

PART 3 Architecture optimization

6. Binary neural network computing architecture 97

6.1. Background and challenges 97
6.2. Ensemble binary neural computing model 98
6.3. Architecture design and optimization 102
6.4. Application of binary computing architecture 105
References 108

7. Algorithm and hardware codesign of sparse binary network

on-chip 111
7.1. Background and challenges 111
7.2. Algorithm design and optimization 115
7.3. Near-memory computing architecture 120
7.4. Applications of deep adaptive network on chip 124
References 135

8. Hardware architecture optimization for object tracking 139

8.1. Background and challenges 139
8.2. Algorithm 140
8.3. Hardware implementation and optimization 143
8.4. Application experiments 147
References 152

9. SensCamera: A learning-based smart camera prototype 155

9.1. Challenges beyond pattern recognition 155
9.2. Compressive convolutional network model 159
9.3. Hardware implementation and optimization 164
9.4. Applications of SensCamera 166
References 175

Index 179
Preface

We first started working in the field of edge computing-based machine

learning in 2010. With project funding, we tried to accelerate support
vector machine algorithms on integrated circuit chips to support embed-
ded applications such as fingerprint recognition. In recent years, with the
development of deep learning and integrated circuit technology, artificial
intelligence applications based on edge computing devices, such as intel-
ligent terminals, autonomous driving, and AIOT, are emerging one after
another. However, the realization of an embedded artificial intelligence ap-
plication involves multidisciplinary knowledge of mathematics, computing
science, computer architecture, and circuit and system design. Therefore
we arrived at the idea of writing a monograph focusing on the research
progress of relevant technologies, so as to facilitate the understanding and
learning of graduate students and engineers in related fields.
Deep learning application development based on embedded devices is
facing the theoretical bottleneck of high complexity of deep neural network
algorithms. Realizing the lightweight of various fast developing deep learn-
ing models is one of the keys to realize AIOT pervasive artificial intelligence
in the future. In recent years, we have been focusing on the development
of automated deep learning tools for embedded devices. This book covers
some of the cutting-edge technologies, currently developing in embedded
deep learning, and introduces some core algorithms, including lightweight
neural network design, model compression, model quantization, etc., aim-
ing to provide reference for the readers to design embedded deep learning
algorithm.
Deep learning application development based on embedded devices is
facing the technical challenge of limited development of integrated circuit
technology in the post-Moore era. To address this challenge, in this book,
we propose and elaborate a new paradigm of algorithm-hardware codesign
to realize the optimization of energy efficiency and performance of neural
network computing in embedded devices. The DANoC sparse coding neu-
ral network chip developed by us is taken as an example to introduce the
new technology of memory computing, hoping to give inspiration to em-
bedded design experts. We believe that, in the post-Moore era, the system
collaborative design method across multiple levels of algorithms, software,
and hardware will gradually become the mainstream of embedded intelli-
vii
viii Preface

gent design to meet the design requirements of high real-time performance

and low power consumption under the condition of limited hardware re-
sources.
Due to time constraints and the authors’ limited knowledge, there may
be some omissions in the content, and we apologize to the readers for this.

Xichuan Zhou
Acknowledgements

First of all, we would like to thank all the students who participated in the
relevant work for their contributions to this book, including Shuai Zhang,
Kui Liu, Rui Ding, Shengli Li, Songhong Liang, Yuran Hu, etc.
We would like to take the opportunity to thank our families, friends,
and colleagues for their support in the course of writing this monograph.
We would also like to thank our organization, School of Microelectron-
ics and Communication Engineering, Chongqing University, for providing
supportive conditions to do research on intelligence edge computing.
The main content of this book is compiled from a series of research,
partly supported by the National Natural Science Foundation of China
(Nos. 61971072 and 62001063).
We are most grateful to the editorial staff and artists at Elsevier and
Tsinghua University Press for giving us all the support and assistance needed
in the course of writing this book.

ix
Visit https://ebookmass.com today to explore
a vast collection of ebooks across various
genres, available in popular formats like
PDF, EPUB, and MOBI, fully compatible with
all devices. Enjoy a seamless reading
experience and effortlessly download high-
quality materials in just a few simple steps.
Plus, don’t miss out on exciting offers that
let you access a wealth of knowledge at the
best prices!
This page intentionally left blank
PART 1

Introduction

1
This page intentionally left blank
CHAPTER 1

Introduction
1.1 Background
At present, the human society is rapidly entering the era of Internet of
Everything. The application of the Internet of Things based on the smart
embedded device is exploding. The report “The mobile economy 2020”
released by Global System for Mobile Communications Assembly (GSMA)
has shown that the total number of connected devices in the global Inter-
net of Things reached 12 billion in 2019 [1]. It is estimated that by 2025
the total scale of the connected devices in the global Internet of Things
will reach 24.6 billion. Applications such as smart terminals, smart voice
assistants, and smart driving will dramatically improve the organizational
efficiency of the human society and change people’s lives. With the rapid
development of artificial intelligence technology toward pervasive intelli-
gence, the smart terminal devices will further deeply penetrate the human
society.
Looking back at the development process of artificial intelligence, at
a key time point in 1936, British mathematician Alan Turing proposed
an ideal computer model, the general Turing machine, which provided
a theoretical basis for the ENIAC (Electronic Numerical Integrator And
Computer) born ten years later. During the same period, inspired by
the behavior of the human brain, American scientist John von Neumann
wrote the monograph “The Computer and the Brain” [2] and proposed
an improved stored program computer for ENIAC, i.e., Von Neumann
Architecture, which became a prototype for computers and even artificial
intelligence systems.
The earliest description of artificial intelligence can be traced back to
the Turing test [3] in 1950. Turing pointed out that “if a machine talks
with a person through a specific device without communication with the
outside, and the person cannot reliably tell that the talk object is a machine
or a person, this machine has humanoid intelligence”. The word “artificial
intelligence” actually appeared at the Dartmouth symposium held by John
McCarthy in 1956 [4]. The “father of artificial intelligence” defined it as
“the science and engineering of manufacturing smart machines”. The pro-
posal of artificial intelligence has opened up a new field. Since then, the
Deep Learning on Edge Computing Devices Copyright © 2022 Tsinghua University Press.
https://doi.org/10.1016/B978-0-32-385783-3.00008-9 Published by Elsevier Inc. All rights reserved. 3
4 Deep Learning on Edge Computing Devices

Figure 1.1 Relationship diagram of deep learning related research fields.

academia has also successively presented research results of artificial intel-

ligence. After several historical cycles of development, at present, artificial
intelligence has entered a new era of machine learning.
As shown in Fig. 1.1, machine learning is a subfield of theoretical re-
search on artificial intelligence, which has developed rapidly in recent years.
Arthur Samuel proposed the concept of machine learning in 1959 and con-
ceived the establishment of a theoretical method “to allow the computer
to learn and work autonomously without relying on certain coded instruc-
tions” [5]. A representative method in the field of machine learning is the
support vector machine [6] proposed by Russian statistician Vladimir Vap-
nik in 1995. As a data-driven method, the statistics-based SVM has perfect
theoretical support and excellent model generalization ability, and is widely
used in scenarios such as face recognition.
Artificial neural network (ANN) is one of the methods to realize
machine learning. The artificial neural network uses the structural and
functional features of the biological neural network to build mathematical
models for estimating or approximating functions. ANNs are computing
systems inspired by the biological neural networks that constitute animal
brains. An ANN is based on a collection of connected units or nodes
called artificial neurons, which loosely model the neurons in a biologi-
cal brain. The concept of the artificial neural network can be traced back
to the neuron model (MP model) [7] proposed by Warren McCulloch
and Walter Pitts in 1943. In this model the input multidimensional data
are multiplied by the corresponding weight parameters and accumulated,
 Introduction 5

and the accumulated value is calculated by a specific threshold function

to output the prediction result. Later, Frank Rosenblatt built a perceptron
system [8] with two layers of neurons in 1958, but the perceptron model
and its subsequent improvement methods had limitations in solving high-
dimensional nonlinear problems. Until 1986, Geoffrey Hinton, a professor
in the Department of Computer Science at the University of Toronto, in-
vented the back propagation algorithm [9] for parameter estimation of the
artificial neural network and realized the training of the multilayer neural
networks.
As a branch of the neural network technology, the deep learning tech-
nology has been a great success in recent years. The algorithmic milestone
appeared in 2006. Hinton invented the Boltzmann machine and success-
fully solved the problem [10] of vanishing gradients in training the mul-
tilayer neural networks. So far, the artificial neural network has officially
entered the “deep” era. In 2012, the convolutional neural network [11]
and its variants invented by Professor Yann LeCun from New York Uni-
versity greatly improved the classification accuracy of the machine learning
methods on large-scale image databases and reached and surpassed people’s
image recognition level in the following years, which laid the technical
foundation for the large-scale industrial application of the deep learning
technology. At present, the deep learning technology is ever developing
rapidly and achieved great success in subdivision fields of machine vision
[12] and voice processing [13]. Especially in 2016, Demis Hassabis’s Alpha
Go artificial intelligence built based on the deep learning technology de-
feated Shishi Li, the international Go champion by 4:1, which marked that
artificial intelligence has entered a new era of rapid development.

1.2 Applications and trends

The Internet of Things technology is considered to be one of the impor-
tant forces that lead to the next wave of industrial change. The concept of
the Internet of Things was first proposed by Kevin Ashton of MIT in 2009.
He pointed out that “the computer can observe and understand the world
by RF transmission and sensor technology, i.e., empower computers with
their own means of gathering information” [14]. After the massive data
collected by various sensors are connected to the network, the connection
between human beings and everything is enhanced, thereby expanding the
boundaries of the Internet and greatly increasing industrial production ef-
ficiency. In the new “wave of industrial technological change”, the smart
6 Deep Learning on Edge Computing Devices

terminal devices will undoubtedly play an important role. As a carrier for

connection of Internet of Things, the smart perception terminal device not
only realizes data collection, but also has front-end and local data process-
ing capabilities, which can realize the protection of data privacy and the
extraction and analysis of perceived semantic information.
With the proposal of the smart terminal technology, the fields of Arti-
ficial Intelligence (AI) and Internet of Things (IoT) have gradually merged
into the artificial intelligence Internet of Things (AI&IoT or AIoT). On
one hand, the application scale of artificial intelligence has been gradually
expanded and penetrated into more fields relying on the Internet of Things;
on the other hand, the devices of Internet of Things require the embedded
smart algorithms to extract valuable information in the front-end collection
of sensor data. The concept of intelligence Internet of Things (AIoT) was
proposed by the industrial community around 2018 [15], which aimed at
realizing the digitization and intelligence of all things based on the edge
computing of the Internet of Things terminal. AIoT-oriented smart ter-
minal applications have a period of rapid development. According to a
third-party report from iResearch, the total amount of AIoT financing in
the Chinese market from 2015 to 2019 was approximately $29 billion, with
an increase of 73%.
The first characteristic of AIoT smart terminal applications is the high
data volume because the edge has a large number of devices and large size
of data. Gartner’s report has shown that there are approximately 340,000
autonomous vehicles in the world in 2019, and it is expected that in 2023,
there will be more than 740,000 autonomous vehicles with data collec-
tion capabilities running in various application scenarios. Taking Tesla as
an example, with eight external cameras and one powerful system on chip
(SOC) [16], the autonomous vehicles can support end-to-end machine vi-
sion image processing to perceive road conditions, surrounding vehicles
and the environment. It is reported that a front camera with a resolution
of 1280 × 960 in Tesla Model 3 can generate about 473 GB of image data
in one minute. According to the statistics, at present, Tesla has collected
more than 1 million video data and labeled the information about dis-
tance, acceleration, and speed of 6 billion objects in the video. The data
amount is as high as 1.5 PB, which provides a good data basis for improve-
ment of the performance of the autonomous driving artificial intelligence
model.
The second characteristic of AIoT smart terminal applications is high la-
tency sensitivity. For example, the vehicle-mounted ADAS of autonomous
 Introduction 7

vehicles has strict requirements on response time from image acquisi-

tion and processing to decision making. For example, the average re-
sponse time of Tesla autopilot emergency brake system is 0.3 s (300 ms),
and a skilled driver also needs approximately 0.5 s to 1.5 s. With the
data-driven machine learning algorithms, the vehicle-mounted system
HW3 proposed by Tesla in 2019 processes 2300 frames per second (fps),
which is 21 times higher than the 110 fps image processing capacity of
HW2.5.
The third characteristic of AIoT smart terminal applications is high
energy efficiency. Because wearable smart devices and smart speakers in
embedded artificial intelligence application fields [17] are mainly battery-
driven, the power consumption and endurance are particularly critical.
Most of the smart speakers use a voice awakening mechanism, which can
realize conversion from the standby state to the working state according to
the recognition of human voice keywords. Based on the embedded voice
recognition artificial intelligence chip with high power efficiency, a novel
smart speaker can achieve wake-on-voice at standby power consumption
of 0.05 W. In typical offline human–machine voice interaction application
scenarios, the power consumption of the chip can also be controlled within
0.7 W, which provides conditions for battery-driven systems to work for a
long time. For example, Amazon smart speakers can achieve 8 hours of
battery endurance in the always listening mode, and the optimized smart
speakers can achieve up to 3 months of endurance.
From the perspective of future development trends, the development
goal of the artificial intelligence Internet of Things is achieving ubiquitous
pervasive intelligence [18]. The pervasive intelligence technology aims to
solve the core technical challenges of high volume, high time sensitivity,
and high power efficiency of the embedded smart devices and finally to
realize the digitization and intelligence of all things [19]. The basis of de-
velopment is to understand the legal and ethical relationship between the
efficiency improvement brought by the development of the artificial intel-
ligence technology and the protection of personal privacy, so as to improve
the efficiency of social production and the convenience of people’s lives
under the premise of guaranteeing the personal privacy. We believe that
pervasive intelligence calculation for the artificial intelligence Internet of
Things will become a key technology to promote a new wave of industrial
technological revolution.
8 Deep Learning on Edge Computing Devices

Figure 1.2 Global data growth forecast.

1.3 Concepts and taxonomy

1.3.1 Preliminary concepts
Data, computing power, and algorithms are regarded as three elements that
promote the development of artificial intelligence, and the development of
these three elements has become a booster for the explosion of the deep
learning technology. First of all, the ability to acquire data, especially large-
scale data with labels, is a prerequisite for the development of the deep
learning technology. According to the statistics, the size of the global Inter-
net data in 2020 has exceeded 30 ZB [20]. Without data optimization and
compression, the estimated storage cost alone will exceed RMB 6 trillion,
which is equivalent to the sum of GDP of Norway and Austria in 2020.
With the further development of the Internet of Things and 5G technol-
ogy, more data sources and capacity enhancements at the transmission level
will be brought. It is foreseeable that the total amount of data will continue
to develop rapidly at higher speed. It is estimated that the total amount of
data will be 175 ZB by 2025, as shown in Fig. 1.2. The increase in data
size provides a good foundation for the performance improvement of deep
learning models. On the other hand, the rapidly growing data size also puts
forward higher computing performance requirements for model training.
Secondly, the second element of the development of artificial intel-
ligence is the computing system. The computing system refers to the
hardware computing devices required to achieve an artificial intelligence
system. The computing system is sometimes described as the “engine” that
supports the application of artificial intelligence. In the deep learning era
of artificial intelligence, the computing system has become an infrastruc-
ture resource. When Google’s artificial intelligence Alpha Go [21] defeated
Korean chess player Shishi Li in 2016, people lamented the powerful artifi-
cial intelligence, and the huge “payment” behind it was little known: 1202
 Introduction 9

Figure 1.3 Development trend of transistor quantity.

CPUs, 176 high-performance GPUs, and the astonishing power of 233 kW

consumed in a game of chess.
From the perspective of the development of the computing system, the
development of VLSI chips is the fundamental power for the improve-
ment of AI computing performance. The good news is that although the
development of the semiconductor industry has periodic fluctuation, the
well-known “Moore’s law” [22] in the semiconductor industry has expe-
rienced the test for 50 years (Fig. 1.3). Moore’s law is still maintained in
the field of VLSI chips, largely because the rapid development of GPU has
made up for the slow development of CPU. We can see from the figure
that in 2010 the number of GPU transistors has grown more than that
of CPUs, CPU transistors have begun to lag behind Moore’s law, and the
development of hardware technologies [23] such as special ASICs for deep
learning and FPGA heterogeneous AI computing accelerators have injected
new fuel for the increase in artificial intelligence computing power.
Last but not least, the third element of artificial intelligence develop-
ment is an algorithm. An algorithm is a finite sequence of well-defined,
computer-implementable instructions, typically to solve a class of specific
problems in finite time. Performance breakthrough in the algorithm and
application based on deep learning in the past 10 years is an important rea-
son for the milestone development of AI technology. So, what is the future
development trend of deep learning algorithms in the era of Internet of Ev-
erything? This problem is one of the core problems discussed in academia
and industry. A general consensus is that the deep learning algorithms will
develop toward high efficiency.
Visit https://ebookmass.com today to explore
a vast collection of ebooks across various
genres, available in popular formats like
PDF, EPUB, and MOBI, fully compatible with
all devices. Enjoy a seamless reading
experience and effortlessly download high-
quality materials in just a few simple steps.
Plus, don’t miss out on exciting offers that
let you access a wealth of knowledge at the
best prices!
Other documents randomly have
different content
 — Teidän oikeutenne on siinä, että teidät pannaan kaikki kahleisiin
ja viedään täältä pois.

— Sellainenko se on laki Ruotsinmaassa? kysyi Martti tiukasti.

— Muuta lakia te ette tarvitse! jyrähti vouti. — Te olette rosvoja,

metsänpolttajia, sala-ampujia. Vaikka hallitus on teiltä kieltänyt
kaskenpolton, ette te muuta osaa tehdäkkään. Te olette vain
vahingoksi valtiolle. Malttakaa, ensi kerran kun minä tulen metsiinne,
poltan minä teidän talonne ja viljanne. Varmasti silloin kaikkoatte
pois. Vai kysytte te Ruotsin lakia! Teistä on jo neljä vuotta sitten
sellainen laki annettu, että teidän on muutettava pois. Mutta siitä te
ette ole välittäneet. Mutta jos ette muuta ennen kevättä, vangitaan
teistä jokainen.

— Ettekö murhateon johdosta aio ryhtyä mihinkään toimenpiteisiin

murhaajia vastaan? Olemme tulleet tänne saattaaksemme asian
oikeuden käsiin. Tahdomme tietää, saammeko siinä oikeutta vai ei.
— Martti puhui vakavasti, mutta jyrkästi.

— Mihin toimenpiteisiin minä tässä ryhdyn, se on minun asiani,

vastasi vouti. — Ensi tehtäväkseni vangitsen minä tämän toverisi,
joka itse otti osaa metsästykseen ruotsalaisten maalla.

Hän meni porstuaan, kutsui sieltä sotilasvartioston, joka otti Erkin

kiinni. Martti aikoi ryhtyä vastarintaan, mutta Erkki kielsi ja antautui
vapaasti.

— Hänet minä tarvitsen asiaa tutkittaessa, sanoi vouti. — Sinä voit

mennä kotiisi kertomaan, että tämä on ainoastaan sen tanssin alkua,
jota tänä talvena tullaan tanssimaan suomalaismetsissä.
 Martti ja Erkki olivat hämmästyksissään siitä käänteestä, minkä
heidän asiansa sai. Keskenään he saivat vaihtaa ajatuksiaan vain sen
verran, että Martti lupasi mennä maaherran luo.

— Minä koetan eikö sielläkään anneta meille oikeutta ja kerron

siellä tämänkin tapauksen.

Apealla mielellä lähti Martti yksinään kävelemään etelää kohti

läänin pääkaupunkiin, missä maaherra asui. Hän käsitti, että tässä
on kysymyksessä enemmän kuin murhajuttu. Tässä on kysymys
suomalaisten asumisesta tai karkoittamisesta näiltä seuduilta. Tämä
oli kansakunnan yhteinen asia. Hän suunnitteli jo mielessään, että
jos ei maaherraltakaan apua lähde, järjestää hän suomalaisen
lähetyskunnan ja yhdessä he lähtevät kuningattaren luo
Tukholmaan. Suomalaiset ovat ennenkin turvautuneet suoraan
hallitsijaan ja saaneet siltä apua herrojen väkivaltaisuutta vastaan.

Suuren asian kannustamana kiiruhti hän askeleitaan. Nopealla

toiminnalla hän tahtoi auttaa toveriakin, jonka vapauttamista hän
aikoi maaherralta anoa.
MAAHERRAN LUONA.

Maaherra Olof Stake oli hyväntahtoinen mies. Hänellä oli hallituksen

luottamus ja kuningattaren neuvoskunnassa läheisiä ystäviä. Hänen
veljensä oli maan suurimpia sotapäälliköitä. Maaherra tahtoi lääninsä
parasta ja suojeli sen asukkaita liian raskailta veroilta ja
sotaväenotolta. Hänelle oli kyllä saapunut määräys suomalaisten
karkoituksesta ja heidän asuntojensa sekä vilja-aumojensa
hävittämisestä, mutta hän oli pannut sitä täytäntöön vain aivan
poikkeustapauksissa, milloin suomalaisten taholta oli karkeita
rikoksia tehty. Tehtaiden omistajat ja ruotsalaiset maanviljelijät
tekivät tästä maaherran pehmeydestä valituksia hallitukselle, mutta
ystävien suosio pelasti hänet aina. Viime aikoina oli kuitenkin
Tukholmasta ilmoitettu, että maaherran täytyi ryhtyä jyrkempiin
toimenpiteisiin. Asetukset ovat pantavat täytäntöön. Stake sai toki
jonkun verran huojennuksia niihin. Niinpä ne metsäsuomalaiset
saivat luvan jäädä paikoilleen, jotka olivat myös peltoja tehneet ja
joilla oli kirjat taloihinsa. Kaikki suomalaiset kiertolaiset,
salametsästäjät ja yksinomaan kaskien viljelyksellä eläjät oli
ehdottomasti karkoitettava. Jos he eivät vapaaehtoisesti lähde, on
heidät vangittava. Vangeista on toiset pantava sotaväkeen ja toiset
lähetettävä uutisasukkaina Amerikkaan. Erittäin teroitettiin
uutisasukkaiden hankkimista. Ne suomalaiset, jotka sitoutuisivat
perheineen lähtemään, saisivat vapauden ja maata riittävästi
asuakseen.

Näitä asioita harkitsi maaherra Stake huoneessaan, kun hänelle

ilmoitettiin metsäsuomalaisen Martti Marttisen tulo. Tämä tapahtui
sopivaan aikaan. Suomalaisten kanssa hän oli sattunut vain ani
harvoin tekemisiin. He elivät metsissään eivätkä persoonallisesti
vaivanneet korkeita viranomaisia. Stakella oli se käsitys
suomalaisista, että he olivat yleensä hidastuumaista, mutta
ylpeäluontoista kansaa. Suomalaisesta metsäaatelista hän oli kuullut
ja oli vakuutettu, että sellaista oli laajaltikin.

Sisälle tuli isokasvuinen, harteikas suomalainen. "Salon

aatelismies", ajatteli maaherra heti miehen nähtyään. Hän pyysi
miehen istumaan työpöytänsä ääreen, ja kysyi ystävällisesti, mitä
tällä oli asiaa.

Martti vertasi tämän korkean herran käytöstä siihen, mitä oli

saanut voudin luona kokea. Hän alkoi luottaa siihen, että hän
menestyy asioissaan ja saa täällä oikeutta. Ensin hän esitti
murhajutun ja toverinsa vangitsemisen.

Maaherra mietti hetken asiaa, pyyhkäisi hiuksiaan ja sanoi:

— Asia ei ole niin yksinkertainen kuin se sinusta ehkä näyttää. On

luonnollista, että murhamiehet heti vangitaan ja saatetaan
vastaamaan teostaan. Minä pidän siitä huolen, että niin tapahtuu.
Ensi käräjillä joutuu heidän asiansa esiin, ja saat nähdä, että
Ruotsissa on oikeutta, joka tällaiset rikokset rankaisee.

— Mutta —, jatkoi hän — vouti ei menetellyt laittomasti

pidättäessään toverisi. Hän olisi voinut vangita sinutkin. Näes, se on
tosiasia, että hirven metsästäminen näillä mailla on kielletty, vaikka
te suomalaiset ette siitä välitä, tuskinpa edes tiedättekään. Eivät siitä
välitä muutkaan, vaikka ristiriitaa ei tule muulloin kuin suomalaisten
ja ruotsalaisten sattuessa vastakkain.

Martti katsoi parhaaksi ottaa esille sen toisen asian, joka hänen
mieltään oli kauan askarruttanut ja jonka hän tiesi elinkysymykseksi
metsäsuomalaisille yleensä.

— Kiitän teitä siitä, että olette luvannut murhajutun selvittää,

sanoi hän. — Minulla olisi toinenkin asia. Siellä metsillä puhutaan,
että kaikki suomalaiset tulevat metsistään karkoitettaviksi ja heidän
talonsa ja viljansa hävitettäviksi. Me tahtoisimme tietää, mitä perää
tässä puheessa on.

— Kyllä siinä on perää enemmän kuin te ehkä siellä voitte

uskoakaan. Näes, teidän viljelystapanne on hallituksen ja maan
muitten asukasten mielestä vahingollista. Jo pitemmän aikaa sitten
kiellettiin kaskimaiden teko yhteisiin metsiin. Ainoastaan niillä mailla,
jotka ovat omistajilleen jaetut, on se luvallista. Mutta teidän
suomalaisten maat siellä metsäseuduilla ovat kaikki jakamatta.
Toistaiseksi ei teillä kenelläkään ole oikeutta maihinne. Peltoviljelijät
tahtovat, että metsämaitakin on heille jaettava, ja se heidän
vaatimuksensa on oikeutettu. Niiden suomalaisten, jotka asuvat
lähellä, on muutettava pois. Kahta peninkulmaa lähemmäksi ei
suomalaisten taloja suvaita. Siellä, missä rantakylät ovat tiheämmät,
täytyy ruotsalaisten saada maata aina viiden peninkulman päähän
saakka. Lisäksi tulee rautaruukkien metsäntarve. Siltä ympäristöltä,
missä niitä on, täytyy kaikkien suomalaisten muuttaa. Sano
kotipuolellasi, että minä otan auttaakseni niitä suomalaisia
perintökirjojen saannissa, jotka ovat kauemman aikaa paikoillaan
asuneet ja joiden talot eivät ole äskenmainittujen rajalinjain sisällä.
Miltä metsäseudulta sinä olet? Onko sinulla tilaasi mitään kirjoja?

Martti oli nyt saanut surullisen vahvistuksen kerrottuihin huhuihin,

vaikka tuo vahvistus ei tullutkaan niin jyrkässä ja sovittamattomassa
muodossa kuin minkä vouti oli antanut.

— Sieltä minä olen ylämaasta, Laasarin Lehtovaaralta, Isojoen

takaa. Meitä on siellä suuri joukko suomalaisia, joista jotkut ovat
kymmeniä vuosia talojaan asuneet ja rakentaneet ne täysikuntoisiksi.
Parikymmentä vuotta olemme mekin taloamme asuneet. Isoisä tuli
Suomesta luottaen kuninkaan kutsuun. Oli meillä kirjatkin, mutta ne
ovat hävinneet.

— Niillä hävinneillä kirjoilla ei olisi pääasiaan nähden ollut mitään

merkitystä. Ne vain antoivat oikeuden uutisviljelykseen ja
kaskenkaadantaan ja sellaisina kyllä olivat hyvät. Mutta varma
omistusoikeus annetaan vasta perintökirjoissa. Pelkään pahoin, että
teidän seudullenne ei voida antaa niitä kirjoja. Osaksi on seutu liian
lähellä kyliä, osaksi se kuuluu rautatehtaan alueisiin. Kuitenkaan
älkää olko ennen aikoja huolissanne. Tulkoon kustakin talosta isäntä
tai isännän edustaja Fryksdaliin ensi markkinoille, jolloin on käräjät
sekä verollepano. Minä katson silloin mitä voin hyväksenne tehdä.

Katkera oli totuus kuulla, mutta Martti näki, että maaherra ei

tahtonut heille pahaa, vaan oli päinvastoin halukas auttamaan.

— Vielä yksi asia, sanoi maaherra. — Arvatenkin on myös teidän

seudullanne sellaisia, jotka eivät ole alkaneet vakinaisesti mitään
seutua viljellä, jotka kaatavat kasken milloin sinne, milloin tänne,
eivätkä yritäkään peltoa tehdä. Heitä ei voida missään tapauksessa
suvaita. Heidät kuten muutkin kiertolaiset ja pahantekijät, vangitaan
ja toimitetaan sotaväkeen, jos he iältään ovat soveliaita. Mutta heillä
samoinkuin teillä kaikilla on pelastuksena eräs tie, jonka tahtoisin
erityisesti painaa mieliinne. Kaikki te voitte päästä uutisviljelijöiksi
Uuden Ruotsin siirtokuntaan Amerikkaan. Oletteko siitä kuulleet?

— Aivan äsken kävi meillä hallituksen lähettiläs Maunu Klinga, joka

kertoi siitä, vastasi Martti.

— Hän sen parhaiten tietää, kun on itse käynyt siirtokunnassa.

Niin, hallitus tahtoo viljelijöiksi sinne maahan, missä kirjaimellisesti
rieska ja hunaja vuotaa, etupäässä suomalaisia, koska he siihen
parhaiten soveltuvat. Ainoastaan suomalaiset voivat kaskeksi kaataa
suuret metsät sekä tehdä pellot niiden tilalle. Siellä olisi teillä
rajattomat työalat eikä polttaminen siellä lopeta maan kasvuvoimaa.
Panen tämän asian sydämellenne ja suorastaan kehoitan teitä sinne
muuttamaan.

Kun Martti lähti ystävällisen, mutta samalla vakavan ja

suorapuheisen maaherran luota pois, oli hänen päänsä täynnä
ajatuksia. Hän huomasi, että heidän elämänsä siellä metsissä oli
aivan epävarmalla pohjalla.

Hän lähti kulkemaan pohjoista kohti, missä metsien poveen

kätketyt suomalaisten kodit olivat vaarallisella tavalla tulleet
ulkopuolelta suunnatun huomion kohteeksi.
PUNATUKKAINEN HUOMAA VANGIN
KARANNEEN.

Dalbon kartano kuului Isonjoen varrella olevaan Dalbyn kylään. Kylä

ei ollut suuri, eikä se vanhakaan ollut. Se oli myös tavallaan
uutisseutua, vaikka ruotsalaiset olivatkin sinne tulleet aikoja ennen
kuin suomalaiset metsiinsä. Pellot olivat ensin hyvin pienet, mutta
vähitellen ne laajentuivat. Sitä mukaa oli myös varallisuus kasvanut.
Varakkain oli Dalbon talo, johon olemme tutustuneet.

Retkikunta palasi aamulla murhatyön jälkeisenä päivänä. Hidasta

oli ollut näidenkin miesten kulku, sillä useilla heistä oli pahoja
haavoja, joita suomalaiset olivat iskeneet. Gustafilla oli kaksi haavaa
kasvoissa, jotka tekivät ne kamalan näköisiksi. Pahin oli jalassa ja sai
aikaan sen, että mies ontui huomattavasti. Mutta rajua luontoaan
hän ei ollut kadottanut. Hänen ensimmäinen kysymyksensä koski
vankia.

— Rauhoittunut kai hän on, koska sieltä aitasta ei ole mitään

kuulunut, vastasi Anders. — Minä itse makasin renkien aitassa
vartioiden suomalaista. Illalla kuului liikettä. Sittemmin on kai
nukkunut.
 — Muistithan Stina antaa vangille ruokaa, kysyi Dalbo.

— Annoin illalla sen verran kuin kissankolosta mahtui.

— Hyvä on. Me otamme hänen asiansa esille, kun olemme ensin

levänneet.

Gustaf tarkasteli aitan oven salpaa ja näytti tyytyväiseltä.

Kotonaolijat eivät kysyneet matkan menestymistä. Kotiintuotu

saalis ja vielä enemmän haavat viittasivat tulokseen. Stina ihmetteli,
ettei vankeja näkynyt. Hän arveli heidän päässeen pakoon ja oli siitä
mielissään.

Vanha Dalbo oli tavallista harvasanaisempi. Näytti siltä, kuin hän

olisi tahallaan karttanut Gustafia. He eivät keskenään juuri mitään
puhuneet. Gustaf lähestyi Stinaa ja pyysi häntä sitomaan kasvoihin
lyötyjä haavoja. Stina toi vettä puhdistaakseen ne ensin.
Ryhtyessään pesemään hänen kätensä vavahti.

— Älä nyt revi niitä auki. Kipeät ne ilmankin ovat ne suomalaisten

koirain puremat, murahti Gustaf kärsimättömästi.

— En minä ole tottunut haavoja sitomaan, puolusteli Stina. —

Suomalaiset ovat näiden parantamisessa erinomaisia. Heillä on
tiedossaan yrttejä, ja he osaavat veren tyrehdyttää noituudellakin.

— Oletko sinä heidän noituuttaan kokenut? kysyi Gustaf

pilkallisesti. — Kyllä suomalaiset koirat nuolevat omat haavansa,
vaikka eivät sitä enää tee ne suomalaiset, jotka metsään jäivät.
Näitä haavojani en kellekään suomalaiselle jättäisi, en, vaikka siihen
paikkaan menehtyisin. Vai tahtoisitko sinä, että tuo, joka tuolla
aitassa?… — Hän katsoi epäluuloisesti Stinaan.
 — En minä sillä mitään sellaista tarkoittanut, puolustelihe tyttö.

— Maltas! kivahti Gustaf ja kohosi pystyyn. — Pian tulee sille

itselleen sidottavaa. Mutta niitä haavoja et sinä sido, vaikka kuinka
haluaisitkin. — Hänen poskilihaksensa pullistuivat vihasta ja haavat
rupesivat vuotamaan.

— Parasta on, että etsit haavansitojan muualta, — sanoi Stina

ylpeästi ja lähti pois tuvasta. Gustaf poistuikin kotiinsa, joka oli
vähän matkan päässä samassa kylässä.

— Älkää ottako ulos vankia ennen kuin minä palaan, varoitti hän
Andersia. — Tahdon olla itse mukana tilinteossa.

— Kuinka olet niin synkkämielinen, Nils, sanoi Dalbon vaimo

miehelleen. — Sinua väsyttää. Heittäydy levolle.

— Väsyttää todella, myönsi isäntä. — Parempi olisi ollut, etten olisi

koko matkalle lähtenyt.

Kun miehet olivat levänneet, palasi Gustaf takaisin.

— Nyt otamme vangin esille. Minun tekee mieli nähdä suomalaisen

verta, irvisti hän.

Suomalaisella nuotiolla ollut joukkue kokoontui aitan luo.

— Älkää ryhtykö mihinkään ennenkuin minä haen isän paikalle,

sanoi
Anders ja riensi tupaan. Dalbo tuli ja asettui miesten keskelle.

— Tällä kertaa minä en enää anna yllättää itseäni, hän sanoi

vakavasti. — Minä olen teidän johtajanne ja teidän on minua
kuultava. Sitä paitsi te olette minun maallani, minun pihallani. Minä
olen täällä isäntä. Muista myös sinä se, Gustaf. Vangin kanssa ei
meillä ole muuta tekemistä kuin lähettää hänet Fryksdaliin oikeuden
käsiin. Saavat menetellä sitten lain mukaan. Kaksi saattajaa riittää.
Anders saa mennä kolmanneksi.

Gustaf astui aitan luo. Hän koetteli puukkoa tupessaan. Sitten hän
irroitti rautasalvan ovessa.

— Astu ulos suomalainen konna, hän huusi. Pimeään aittaan ei

voinut mitään nähdä. Sieltä ei tullut ketään. Gustaf ja Klas astuivat
kynnyksen yli, varovaisina, etteivät tulisi yllätetyiksi. Ei kuulunut
mitään liikettä, eikä näkynyt ketään. He tarkastivat ala-aitan,
kiipesivät sitten ylös. Ei sielläkään ketään. Tarkastivat katon ja
toisten aittojen ullakoille vievät ovet. Ei näkynyt merkkiäkään, mistä
vanki olisi päässyt karkaamaan.

Mutta poissa hän oli.

Noloina palasivat he pihalle.

— Lintu on päässyt häkistään, julisti Klas. Gustaf puri

hammastaan.
Miehet tarkastivat viereiset aitat, kiersivät rakennuksen ympäri.
Selitystä siihen, miten karkaaminen oli tapahtunut, ei löytynyt.

— Luonnollisella tavalla karkaaminen on ollut mahdotonta,

vakuutti Anders, ja rengit todistivat sen. — Me kaikki olimme
vartiossa ja olisimme kuulleet.

Yksi rengeistä lausui:

 — Mutta jos hän olikin noitaa Suomalaiset osaavat noituuden
taidon. On voinut savuna nousta taivaalle tai käärmeenä luikertaa
kissankolosta.

— Niin se on käynyt, päätti toinen renki. — Minä aavistinkin sitä.

Sellaista sattuu suomalaisten kesken useinkin. — Ja hän oli
huomaavinaan pakkasen panemassa ruohikossa kiemurtelevia jälkiä.

Kaikki olivat hämmästyneitä. Gustaf ei voinut löytää selitystä.

— Onko tyttöjen aitan ovi ollut kaiken aikaa lukittuna? hän kysyi,
ja hänen silmänsä etsivät Stinaa, jota hän ei kuitenkaan löytänyt.

— Minä näin että Stina ennen maatapanoaan lukitsi aittansa oven

huolellisesti, todisti Anders.

— En minä sittenkään usko noituutta, sanoi Gustaf ja erosi

miehistä etsien Stinaa tuvasta. Tyttö oli tulossa portailla.

— Sinä päästit vangin karkuun, kähisi Gustaf tytölle ja puristi

häntä niin kovasti käsivarresta, että Stina tuskasta parahti. Tyttö
huudahti:

— Mene, peto! Minä en tahdo sinua enää nähdä. Mene, äläkä

koskaan näytä kasvojasi täällä, inhoittava murhamies!

Stina oli jo Gustafin esiintymisestä ja muista lauseista saanut

selville, mitä metsässä oli tehty. Sen vuoksi hän kammoen irroittautui
miehestä. Kasvot kalpeina ja silmät iskien tulta hän vetäytyi isänsä
turviin.

— Kyllä minä sinusta oikut kitken, uhkasi Gustaf, mutta ei

lähestynyt enää morsiantaan.
 — Et minuun enää koske, vakuutti Stina ja kohotti ylpeästi
hartioitaan. — Meidän välimme ovat poikki, poikki tästä päivästä
alkaen. Tiedä se!

Hampaitaan kiristellen Gustaf lähti kävelemään kotiansa kohti.

— Vie nuo hirvenlihat ja nahka mukanasi, kehoitti Dalbo. — Minä

en niihin koske.

Klas lähti parin toverin kanssa auttamaan Gustafia saaliin pois

viemisessä. — —

Hiljaisuudessa ja jokapäiväisissä askareissa kului muutamia päiviä.

Sanoma murhatuista suomalaisista levisi myös kylälle. Kukaan ei sen
johdosta kysellyt mitään, ei Stinakaan, vaikka hänen sydäntään
ahdisti epätietoisuus siitä, mikä osuus hänen isällään oli
tapahtumassa. Isä oli kaiken aikaa ollut synkkä ja vaitelias. Eräänä
päivänä ajaa karahutti joukko sotilaita pihamaalle. Heidän johtajansa
meni Dalbon kanssa kamariin ja viipyi siellä hetken aikaa. Sitten
hajaantuivat ratsut kylän eri osiin. Seurauksena oli, että pian tuotiin
vangittuina Gustaf, Klas ja kaikki muut, jotka olivat olleet mukana
suomalaisia vastaan tähdätyssä retkikunnassa. Vanha Dalbo antautui
vapaaehtoisesti. Oli käsketty heidät kaikki ottaa kiinni ja toimittaa
Fryksdalin vankilaan. Pienempi sotilasjoukko lähti vankeja
saattamaan. Isompi osasto jatkoi matkaansa suomalaismetsiin.

— Meillä on sielläkin toimittamista, sanoi joukkueen päällikkö.

— Tuokaa myös juttuun sekaantunut hirvenampuja, neuvoi Gustaf

näöltään tyynenä, vaikka hänen sisällään kuohui. Hän teki selkoa
Erkki Mulikan ulkonäöstä.
 — Hän on jo hallussamme, vakuutti joukon johtaja. — Fryksdalissa
hänet tapaatte.

Apean alakuloisuuden valtaan jäi Dalbon väki sekä koko kylä

näitten vangitsemisien jälkeen. Isän poisvienti oli Stinalle ankara
isku. Hän olisi tahtonut päästä varmuuteen. Oikein häntä kadutti,
ettei hän ollut suoraan isältä kysynyt. Hän kysyi äidiltään.

— Isä ei vielä tähän saakka ole murhannut ketään, lausui äiti. —

Ei hän ole voinut sitä nytkään tehdä. Mutta kun hän oli joukossa
mukana, niin hänetkin vangittiin.

— Niin, mukana oli. Vieläpä joukon johtajana, lisäsi Stina

miettiväisenä.

Hän toivoi isänsä pikaista vapauttamista. Ja samalla toisenkin, sen

komean suomalaisen, joka oli ollut heidän aitassaan vankina ja joka
ei missään tapauksessa voinut olla murhatekoihin syyllinen. Hänen
kohtalonsa liittyi Stinan mielessä isän kohtaloon. Melkeinpä
enemmän askartelivat ajatukset hänessä. Miksi hänet oli vangittu?

Gustafin kohtalo ei häntä vähääkään säälittänyt. Pikemmin oli hän

mielissään, että hänet oli viety pois.
HÄVITYKSIÄ SUOMALAISMETSISSÄ.

Kun Martti Martinpoika Marttinen saapui matkaltaan maaherran luota

kotiin, tulivat suomalaiset laajalti Marttilaan kuulemaan, kuinka
matka oli onnistunut. Olivathan kaikki pelänneet pahaa. Heistä
tuntui, että maapohja heidän jalkainsa alla huojui.

Mitään varmuutta ei Marttikaan voinut antaa. Murhajutun hän oli

saanut oikeuteen, mutta valitettavasti oli Erkki myöskin pidätetty.
Pahoja uhkauksia suomalaisia vastaan oli olemassa. Maaherraan
täytyi asettaa toiveet. Kaikkien oli mentävä käräjille Fryksdaliin ja
koetettava saada perintökirjat. Suomalaistenkin mielestä oli
välttämätöntä, että asiat selvitettiin, että vihdoinkin voitaisiin
turvallisina elää. Martille oltiin kiitollisia, kun hän oli heidän kaikkien
asioita ajanut. Tapahtuipa mitä tapahtui, he tiesivät, että Martti
maaherran avulla koettaisi heidän hyväkseen parastaan.

— Ja lopulta, jos meidät häädetään, täytyy turvautua Amerikkaan.

Vieraita me olemme täälläkin, tokkopa vieraampia siellä, päätti Olli
Räsänen keskustelun. Hän oli Amerikan asiaa paljon miettinyt, kun
hänellä näytti olevan vähimmin toivoa uutisasutuksensa
säilyttämisestä. Nuorena miehenä hän tunsi houkutustakin koettaa
uudestaan ja uudessa maassa. Kun Pietari Kokkinen oli aikaisemmin
hänen turvattomuudestaan huomauttanut, katsoi hän sopivaksi
varoittaa naapuriaan:

— Kaikesta päättäen olet heikoilla kantimilla sinäkin, Pietari, mikäli

kuuluu. Olet kaatanut kaskea milloin mihinkin metsään, kauas
kotoasikin. Vakituisia peltoja sinulla ei ole. Taitaa olla niin, että sinä
joudut minulle matkatoveriksi.

— Mielisuosiolla en alistu karkoitukseen, uhkasi Pietari. — Vastaan

minä panen.

Miesten lähdettyä ryhtyi Martti jokapäiväisiin talon askareihin. Oli

riihenpuinnin aika, ja uutterasti lämmitettiin Marttilassa riihtä.
Myöskin täytyi käydä auttamassa Oinolassa, kun se talo oli nyt
kolmea työkuntoista vajaa. Luukkaan haavat olivat vanhan vaarin
hoidolla paljon parantuneet. Kangistuneet jalatkin olivat tulleet
notkeammiksi. Piikki auttoi uskollisesti talossa. Mulikassa oli paljon
nuorta väkeä, joten siellä ei niin kaivattu Erkkiä työhön. Hänen
kohtalonsa kuitenkin suretti kovasti. Äiti itki silmänsä kipeiksi. Itki
häntä toinenkin, — Reeta Marttilassa, vaikka hän tahtoi sen salata ja
huuhtoi kasvonsa kylmällä vedellä, jottei huomattaisi.

Näin elettiin suomalaismetsissä muutamia päiviä verrattain

hiljaisesti syksyn toimissa ja askareissa odotellen Fryksdalin
markkinoita, jolloin käräjät pidettäisiin ja verot kannettaisiin.

Hiljaisuus häiriytyi surullisella tavalla. Suomalaismetsä joutui tuhon

alaiseksi, aivan kuin olisi kulovalkea tullut sitä polttamaan.

Voudin lähettämä retkikunta saapui. Se kulki metsän ristiin rastiin,

kävi talolta talolle. Muutaman päivän perästä tuli vouti apulaisineen
ja toi lisää sotaväkeä. Joukot ilmoittivat etsivänsä karkureita,
tarkastelevansa kaskimaita ja ottavansa selvää, millä oikeudella
kukin tilaansa asui.

Metsässä kulkiessaan tulivat he suurelle kaskimaalle, jonka lähellä

ei näkynyt yhtään ihmisasunnoita. Tämä oli niitä suomalaisten
ulkokaskia, joita jotkut raatoivat tavatessaan sopivan paikan. Sato oli
kaskesta ollut hyvä. Useampia aumoja oli rukiita koottu ja ne
seisoivat aidattuina aukeaman keskellä.

Oppailtaan tiedustelivat, kenen huhta se oli. Omistaja Pietari

Kokkinen asui vähintäin peninkulman päässä.

— Viljat on poltettava, kuului päällikön määräys. Ja niin paloivat

poroksi Kokkisen koko vuoden tulokset. Samoin tehtiin monella
muulla yksinäisellä huhdalla.

He tulivat Kokkisen kotiin.

— Sinäkö katsot, että koko tämä laaja metsä on sinun aluettasi,

koska teet kaskiasi mihin sattuu? kysyi sotilasten johtaja ankaralla
äänellä.

— Kun aluetta eivät muutkaan ole käyttäneet, olen ottanut rukiin

sieltä, missä maa on ollut sopivinta, puolusteli metsäsuomalainen. —
Isäni on tätä viljelystapaa harjoittanut vuosikymmeniä, ja minä olen
seurannut esimerkkiä.

— Et ainakaan viimekesän kaskelta mitään korjaa. Me olemme

polttaneet aumasi maan tasalle, julisti johtaja.

— Mitä, minunko viljani olette polttaneet? huudahti Pietari

kauhistuneena. Vaistomaisesti hän tarttui pyssyynsä, joka oli tuvan
seinällä.
 — Vai vastarintaan sinä aiot kruunun miehiä vastaan? Tule järkiisi
poika! lausui johtaja ankarana temmaten Pietarin keskelle lattiaa.
Hän käski miesten vangita nuoren talonpojan, joka oli uskaltanut
tarttua aseeseen heitä vastaan.

— Me viemme sinut voudin luo.

Kokkisen nuori vaimo — jäi lapsineen itkemään.

Myöskin Olli Räsäseltä poltettiin viljat, ja lisäksi pantiin tuleen

hänen uutisasuntonsa, jona oli vastarakennettu sauna, missä tämä
uutisviljelijä oli yksinäisyydessä asunut. Myöskin Olli saatettiin
vangittuna voudin luo, joka oli sijoittunut Tossavaiselle.

Joka päivä tehtiin ilmoituksia poltetuista viljoista, riihistä ja

asuinrakennuksista. Joka päivä kuljetettiin vankeja. Joukossa oli
yksinäisiä pakolaisia, jotka olivat täällä metsissä olleet turvassa, oli
kiertäviä metsästäjiä sekä satunnaisia kaskenviljelijöitä ilman
vakituista asuinpaikkaa.

Pietari Kokkisen asiaa tutkittaessa uskalsi tämä panna

vastalauseensa menettelyä vastaan. Hän kysyi, mikä laki ja oikeus
salli kallista Jumalan viljaa hävittää. Kun ihmiset viljan puutteessa
saavat syödä pettuleipää ja kärsiä nälkää, on suuri synti tuhota sitä,
mitä Jumala on kasvattanut.

— Suus kiinni, metsänraiskaaja, jyrisi voudin karkea ääni. —

Ryöstöviljelyksestä ja virkavallan vastustamisesta vangitaan sinut ja
rangaistukseksi tehdään sotamieheksi. Huomenaamuna saat lähteä
marssimaan Tukholmaan. Vankilassa saat tarkemmin tutkia mikä on
laki ja oikeus! Kun vuorosi tulee, pääset kuulan ruuaksi sotaan.
 Vouti oli mies, joka ei tuntenut sääliä. Kysellessä Tossavaiselta,
jonka talossa hän oli majaillut, turhaan talonkirjoja, haastoi hän
myös tämän käräjille kuulemaan häädetäänkö hänet vai jätetäänkö
asumaan. Räsänen vietiin vangittuna Fryksdaliin.

Oinolassa vouti ei ketään vanginnut. Se olikin vanhimpia vakituisia

asuintiloja paikkakunnalla. Mutta lempeätä ei hänen esiintymisensä
täälläkään ollut. Hän karjui hirven metsästyksestä niin että vanha
isäntä ja Pekka-vainajan leski säikähtivät.

— Omiansa oli salametsästäjille se kuolema minkä he saivat, oli

voudin tuomio.

Ennen Marttilaan tuloansa hän kävi Mulikassa. Kuultuaan, että

tästä talosta oli se poika, jonka hän oli jo pidättänyt Fryksdalissa,
jätti hän talon sillensä tällä kertaa.

Vihdoin hän tuli Marttilaan. Ehkä oli jättänyt tämän talon tahallaan
viimeiseksi. Saavuttuaan taloon hän kävi tervehtimättä pöydän
päähän, otti pöydän haltuunsa kirjojaan varten ja sijoitti sotamiehet
seisomaan riviin ovelta tuvan perälle saakka.

— Jahah, täällä se nyt sitten on se metsäsuomalaisten nuori

ruhtinas ja päällikkö, joka käy aina maaherroissa asti. Oletko talon
isäntää Jos olet, näytä talonkirjat!

Martti Martinpoika Marttinen astui rohkeasti pöydän viereen.

— En ole isäntä. Iso-isäni täällä isännyyttä pitää.

— Astukoon hän sitten esiin vastaamaan. Sinulla ei ole puhevaltaa,

komensi vouti.
 Vanha vaari astui pöydän ääreen. Hän oli monissa tuulissa ja
tuiskuissa ollut, oli jo Suomessa herrojen kanssa kinaa pitänyt,
taistellut heitä vastaan aina korkeimpiin asteisiin saakka.

— Mistä minun vastata pitäisit Siitäkö että olen korpea perkannut

ja leipää ottanut sieltä, missä ei ennen ole Jumalan jyvää kasvanut?

— Onko lupakirjaa kivahti vouti.

— En katso tarvitsevani mitään kirjoja, murahti vanha mies

kohottaen ylpeästi päätään.

— Kun ei ole kirjoja, pois talosta, julisti vouti. Ukon veri kiehahti.
Hän oikaisi itsensä koko pituuteen.

— Katsokaa raivattuja aukeamia, katsokaa tätä taloa, eikö se

kaikki osoita omistusoikeutta. Katsokaa verokirjoista, eikö sieltä
löydy Marttilan nimi ja eivätkö verot ole säännöllisesti maksetut.

— Sinulla ei ole oikeutta tähän asumiseen, väitti virkamies.

— Vai ei ole oikeutta! huudahti ukko. — Tiedä se, en ole tänne

omin lupineni tullut. Itse kuninkaalta olen luvan saanut. Sinunlaisia
herroja en ole palvellut ennenkään, enkä palvele nytkään.

Vanhan vaarin esiintyminen kävi kovasti voudin sisulle. Hän olisi

tahtonut miehen rusentaa, mutta näki edessään tavallisuudesta
poikkeavan talonpojan, joka tiesi mitä sanoi. Hän näki, että tässä oli
kova kovaa vastassa, ja niin hän koetti hillitä itseään.

— Suulliset lupaukset eivät ole perintökirjoja. Nyt ovat uudet tavat

ja lait. Nyt ei kukaan saa asua taloa muitten kuin perintökirjain
nojalla.
 — Olkaa huoletta, vouti, puuttui Martti Martinpoika puheeseen. —
Minun isoisäni on tottunut kuninkaissa käymään. Minä osaan saman
tien. Herrallakin on herransa ja talonpojalla Jumala. Jos rupeatte
meitä häätämään, näytämme teille, missä teidän herruutenne herrat
ovat. Älkää luulko, että olemme vain maaherran varassa, vaikka
siinäkin taitaa olla teille kylliksi. Osaamme mennä pitemmällekin. On
suomalaisillakin ystäviä. Mitäs sanotte valtakunnan herroista Pietari
Brahesta ja Klas Flemingistä.

— Tämä ei ole sinun asiasi, kivahti vouti. — Ellet hillitse suutasi,

panetan oitis kahleisiin.

Vanha ukko Marttinen löi luisevan kätensä pöytään. Hänen

sanansa olivat voimakkaat.

— Tämä on hänen asiansa, se on minun asiani ja meidän kaikkien

suomalaisten asia. Mikä sinä olet miehiäsi? kysyi hän pilkallisesti. —
Murhapolttaja, rikoksellinen. Se sinä olet. Sinä olet täällä metsissä
tehnyt hävityksen töitä. Sinä olet Jumalan viljaa poroksi polttanut ja
taloja tuhonnut. Sinä olet saattanut tänne surua ja onnettomuutta.
Mutta kaikki tämä onnettomuus lankeaa vielä tuhatkertaisena sinun
päällesi.

Vanhuksen voimakkaat sanat jyrisivät kuin ukkonen.

Vouti hämmentyi hetkeksi. Hän kiristi hampaitaan ja mietti, mitä

voisi tuolle ylpeälle suomalaiselle tehdä. Koko tämä joukko on
kapinoitsijasukua. Se olisi hävitettävä, sen pesäpaikka poltettava
maan tasalle. Näin hän olisi halunnut tehdä. Mutta hänen täytyi
hillitä itseänsä. Näitä miehiä ei kukisteta tavallisilla virkavallan aseilla.
Täytyy odottaa aikaa. Heillä on voimaa ja mahtavia puoltajia.
Maaherra oli hänelle jo antanut ankarat nuhteet puolueellisuudesta
murha-asiassa ja uhannut hänet erottaa. Hän näki sopivaksi kääntää
vihansa toisaalle. Hän huomasi Piikin ja sanoi:

— Mikä olet sinä repaleisissa sotilasvaatteissa? Oletko karkuri?

Tutkikaa hänet. — Ja hän käski sotamiesten tuoda miehen luokseen.

Piikki kertoi, kuka oli ja miten oli saapunut.

— Paperit hukassa. Teiltä on kaikilta paperit hukassa, puhui vouti

ankarana. — Me otamme hänet mukaamme ja annamme hänen
vankilassa selvittää papereitaan.

Martin teki mieli asettua Piikkiä puolustamaan, mutta huomasi

viisaimmaksi vaieta. Hän päätti kuitenkin mielessään Klingan avulla
toimittaa Piikin ensi tilassa vapaaksi.

— Mikä on tuo haavoitettu tuolla vuoteessa? kysyi vouti vielä.

— Hän on yksi niitä Dalbyn kyläläisten uhreja

hirvenampumismatkalta, vastasi Martti. — Ainoa eloon jäänyt niiltä
murhaajilta, joiden vangitsemista olin luonanne vaatimassa.

— Hän kuuluu siis samaan juttuun. Hänet on vangittava, määräsi

vouti.

— Ette häntä elävänä perille saa, jos lähdette viemään, vakuutti

Martti. — Hänessä on niin monta puukon haavaa, ja niin syvä
kirveen jälki, ettei liikkumaan pysty. Jutusta hän ei tahdo olla poissa,
mutta jos hän kuolee ennen juttua, saattaisi siitä koitua voudille
itselleen paha juttu.

Taaskin oli tuo ylpeä suomalainen häntä pistänyt, ymmärsi vouti.

Mutta hänen täytyi niellä kiukkunsa.
 — Takaatko, että hän tulee käräjiin? kysyi hän kuin ei olisi pistosta
huomannut.

— Takaan, jos liikkeelle pystyy, vastasi Martti. — Ei meillä ole

mitään halua jäädä siitä pois, päinvastoin.

Vouti lähti Marttilasta vähemmällä saaliilla kuin oli toivonut.

Ainoastaan Piikki seurasi sotilaita. Mutta kostonhalu kyti voudin
rinnassa.

Voudin käynti metsäsuomalaisten keskuudessa oli tehnyt täyden

mullistuksen sikäläisiin rauhallisiin oloihin. Monta kotia oli hävitetty ja
monta tuhoa tehty. Monta henkilöä oli vankina viety pois kohti
tuntematonta tulevaisuutta.

Tuntui kuin tuvan ovi olisi otettu pois ja päästetty kylmät viimat
puhaltamaan sisälle ennen niin lämpimiin ja rauhallisiin koteihin.
FRYKSDALIN MARKKINOILLA.

Oli eletty joulukuulle niihin aikoihin, jolloin seutukunnan pääpaikassa

Fryksdalissa pidettiin markkinoita. Silloin olivat siellä myös käräjät ja
tärkeä veronkanto. Verot maksettiin näillä seuduin vielä suureksi
osaksi metsäeläinten nahoissa. Veronmaksajat toivat tavallisesti koko
karttuneen varastonsa. Mitä veroista jäi yli, se myytiin vapaassa
kaupassa niille ostajille, jotka olivat liikekeskuksista, ainapa
Tukholmasta asti saapuneet. Myöskin oli kaupan lintuja, viljaa y.m.
metsän- ja maanviljelyksen tuotteita. Kaupunkien kauppiaat toivat
kaikenlaista rihkamaa, myöskin korutavaraa paikkakuntalaisten
mielihyviksi.

Vallitsi kipakka pakkanen. Kaupustelijat pitkävartisissa

nahkakengissään löivät jalkojansa yhteen saadaksensa lämmintä.
Reenjalakset natisivat lumessa. Matkustajani hevoset olivat yltä
päältä lumihuurteessa ja niiden sieraimet höyrysivät lämmintä ilmaa.

Metsäsuomalaisia oli suurehko joukko hiihtänyt suksilla yhdessä

parvessa. Heillä oli taakat nahkoja selässään. Siinä oli ketun, peuran
ja hirven nahkoja. Useammalla oli karhunnahka ja jonkun hyväksi oli
myös susi saanut heittää henkensä. Ainoastaan kaukaisimmilta
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

ebookmass.com